评估巴瑞替尼治疗伴活跃脱发的急性斑秃的有效性与耐受性:一项前瞻性开放标签研究
该数据集来自 clinicaltrials.gov,主题为评估巴瑞替尼治疗伴活跃脱发的急性斑秃的有效性与耐受性,属于免疫系统疾病/其他分类

基本信息
资源简介
评估巴瑞替尼治疗伴活跃脱发的急性斑秃的有效性与耐受性:一项前瞻性开放标签研究
该数据集来自 clinicaltrials.gov,主题为评估巴瑞替尼治疗伴活跃脱发的急性斑秃的有效性与耐受性,属于免疫系统疾病/其他分类。源站描述指出,急性期伴活跃脱发的斑秃患者心理困扰显著且急需有效治疗,而巴瑞替尼在慢性广泛脱发斑秃中已显示促毛发再生作用,但在急性活跃脱发中的疗效尚未在 BRAVE-AA1/2 试验中评估;临床观察提示巴瑞替尼可在 4-6 周内减少或停止脱发,较全身性糖皮质激素等传统治疗起效更快。该数据可用于了解该研究背景与设计方向(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:斑秃。处于急性期且伴有活跃脱发的斑秃(AA)患者经历显著的心理困扰,并迫切需要有效的治疗。AA 的自身免疫性质由 T 细胞介导对生长期毛囊的攻击驱动,导致进行性脱发。虽然巴瑞替尼已被证明可在伴有广泛脱发(SALT ≥ 50)的慢性 AA 中促进毛发再生,但其在伴有活跃脱发的急性 AA 中的疗效尚未在 BRAVE-AA1/2 试验中评估。临床观察提示,巴瑞替尼可在 4-6 周内减少或停止脱发,与全身性糖皮质激素等传统治疗相比起效更快,后者通常需要更长时间或无法达到这一结果。本研究旨在评估巴瑞替尼在真实世界中伴有活跃脱发的急性 AA 患者中的有效性。
【主题与分类】
主题标签:Alopecia Areata。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06797310
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT06797310
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
条件:斑秃。处于急性期、伴有活动性脱发的斑秃(AA)患者会经历显著的心理困扰,并迫切需要有效的治疗。斑秃的自身免疫性质由T细胞介导对生长期毛囊的攻击所驱动,导致进行性脱发。虽然巴瑞替尼已被证明可促进伴有广泛脱发(SALT ≥ 50)的慢性斑秃患者的毛发再生,但其在伴有活动性脱发的急性斑秃中的疗效尚未在BRAVE-AA1/2试验中评估。临床观察提示,巴瑞替尼可在4-6周内减少或阻止脱发,与传统治疗(如全身性糖皮质激素)相比起效更快,后者通常需要更长时间或无法达到这一效果。本研究旨在评估巴瑞替尼在真实世界环境中对伴有活动性脱发的急性斑秃患者的有效性。将开展一项为期16周的单中心、开放标签、前瞻性试验,纳入30例伴有活动性斑秃和进行性脱发的患者。参与者将每日接受4 mg巴瑞替尼治疗16周,应答者逐渐减量至2 mg再治疗16周后停药。
计划在第0、4、8、12、16、24、32、36、44和52周进行随访。主要终点是在第16周时达到iSARS-AA评分≤20。本研究结果将为巴瑞替尼在管理伴有活跃脱发的急性AA中的真实世界有效性提供宝贵见解。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




